미스트랄(Mistral)이 음성 모델 제품군 Voxtral 3를 발표했습니다. 예약 전화를 음성 에이전트에 맡기려다 받아쓰기와 LLM, 음성 합성(TTS)을 따로 이어 붙여 대답이 늘어지는 문제에 막혔다면 볼 만한 소식이에요. 듣고 생각하고 말하는 단계를 한 흐름으로 묶은 음성 에이전트 SDK가 함께 나왔거든요. 공식 데모에서 에이전트는 프랑스어 진료 의뢰서를 받은 환자의 영어 전화를 받아 의뢰서를 찾아 읽어 주고, 그 자리에서 진료 예약까지 끝내죠.
Mistral은 정확히 듣기와 맥락에 맞는 추론, 자연스러운 말하기와 여러 단계 작업을 실시간으로 함께 돌리기가 아직 어렵다고 짚었어요. Voxtral 3는 이 넷을 하나의 스트리밍 파이프라인으로 묶어 통화 한 턴을 1초 안에 끝낸대요. 한국어로 예약을 받는 곳이라면 따져 볼 게 세 가지예요. 한국어로 듣고 말할 수 있는지, 날짜와 번호를 틀리지 않는지, 통화당 얼마가 드는지죠.
고쳐 말한 번호를 따라가는 실시간 받아쓰기
에이전트가 의뢰서 번호를 묻자 Béatrice는 “4402… 죄송해요, 4420 1187”이라고 고쳐 말해요. 에이전트는 앞의 번호를 버리고 고친 번호로 get_referral 도구를 불러 의뢰서를 가져오죠. 예약 번호나 전화번호를 말하다 고치는 장면은 예약 전화에서도 생길 수 있어서 도입 전에 꼭 시험해 볼 대목이에요.
듣는 쪽은 Voxtral Mini Transcribe Realtime 3예요. 35개 이상 언어를 500ms 미만 지연으로 받아쓰는데, Mistral이 실시간 받아쓰기를 잰 35개 언어 목록에 한국어도 들어 있어요. 상대가 말을 끝냈는지는 소리와 말의 뜻을 함께 보고 판단하죠. 말이 덜 끝났는데 에이전트가 끼어드는 일을 줄이려는 장치예요. 시술명이나 담당자 이름처럼 업종 용어가 많다면 핵심 용어를 미리 알려 인식률을 높이는 문맥 편향(context biasing)에 그 목록을 넣어 두면 돼요.
묻고 나서 잡는 예약, 도구 호출
불러온 의뢰서는 프랑스어예요. 에이전트는 원문 첫 문장을 읽어 준 뒤 피부과 진료를 받게 해 달라는 의뢰라고 영어로 풀어 주고, 가장 빠른 자리가 화요일 오후 5시 45분이라고 알려요. 여기서 바로 잡지 않고 “예약할까요?” 하고 먼저 묻죠. Béatrice가 “네”라고 답한 뒤에야 book_appointment 도구로 11월 3일 17시 45분 자리를 잡고, 확정 결과를 받아 의뢰서와 건강보험 카드(carte Vitale)를 챙겨 오라고 안내해요.
추론과 도구 호출은 Mistral Small 같은 범용 모델이 맡아요. 실제 통화에서는 함수 호출(function calling)과 웹 검색, 자사 시스템 검색을 써서 발신자 본인 확인이나 요금 조회도 맡길 수 있죠. 전화는 SIP(인터넷 전화를 잇는 표준 규격)로 받고 걸며, 이미 쓰는 IVR(“1번을 누르세요” 같은 자동 응답)이나 컨택센터 소프트웨어에도 붙일 수 있대요.
날짜를 날짜로 읽는 음성 합성
예약 안내에서 날짜와 시각을 잘못 읽으면 손님이 엉뚱한 날 찾아올 수 있어요. 발표 글의 항공편 안내 예시를 보면 Voxtral 1은 ‘10/10’을 ‘10 over 10’(10분의 10)으로 읽었는데, Voxtral 3는 ‘October 10th’로 읽죠. 고객 상담 예시에서는 이메일 주소 ‘elena.vance82@yahoo.com’을 되묻는 문장도 들려줘요.
다만 둘 다 영어 예시예요. 한국어 예약 문장에서 ‘11월 3일 오후 5시 45분’이나 전화번호가 제대로 읽히는지는 직접 넣어 들어 봐야 알 수 있거든요. 한국어 목소리는 미리 만들어 둔 음성 프리셋 18개 언어 목록에 들어 있어요. 감정과 속도를 맥락에 맞춰 바꾸는 기능이나 목소리 복제 같은 나머지 TTS 기능은 발표 글에서 따로 볼 수 있습니다.
말이 끊기면 멈추는 스트리밍 파이프라인
SDK는 LiveKit 위에 만들어졌어요. 듣기와 추론, 말하기가 앞 단계가 끝나기를 기다리지 않고 움직이죠. 손님이 주문을 다 마치기 전에 주방이 첫 메뉴 준비를 시작하는 식당을 떠올리면 돼요. 통화 상대가 말을 끊고 들어오면 에이전트는 하던 말을 멈춰요.
단계마다 모델이 따로라서 에이전트를 다시 짜지 않고 추론 모델이나 목소리, 언어만 바꿀 수 있어요. 통화 음성을 밖으로 내보내기 어렵다면 Mistral API 대신 자체 인프라에 올리는 길도 있고요. 음성을 어디서 처리하고 대화를 보관할지 조직이 정할 수 있게 설계했다는 게 Mistral의 설명이에요.
하루 500통 예약 전화로 셈한 음성 에이전트 요금
Voxtral 3는 지금 Mistral API로 쓸 수 있고, Studio 플레이그라운드에서 음성 에이전트와 받아쓰기, 음성 생성을 먼저 시험해 볼 수 있어요. 예약 전화 도입을 따질 때 먼저 볼 숫자는 음성 에이전트 API의 분당 가격이에요. 추론을 Mistral Small 4로 돌리면 분당 0.04달러, 더 큰 모델로 돌리면 0.08달러죠. 한 통에 3분, 하루 500통을 받는 예약 창구를 가정하고 공개 가격으로만 셈하면 아래와 같아요.
| 추론 모델 | 분당 공개 가격 | 3분 통화 1통 | 하루 500통 | 30일 |
|---|---|---|---|---|
| Mistral Small 4 | 0.04달러 | 0.12달러 | 60달러 | 1,800달러 |
| 더 큰 모델 | 0.08달러 | 0.24달러 | 120달러 | 3,600달러 |
같은 통화량이라도 추론 모델 선택 하나로 한 달 요금이 1,800달러 벌어지죠. 예약 확인처럼 흐름이 정해진 통화라면 Small 4로 먼저 돌려 보고, 대답이 막히는 통화가 쌓일 때 큰 모델과 비교해 보는 편이 나아요. 실시간 받아쓰기(분당 0.008달러)와 TTS(100만 자당 13달러) 요금이 이 분당 가격에 포함되는지는 견적 전에 Mistral에 확인해 두세요.
API는 유럽과 미국, 글로벌 엔드포인트로 제공돼요. EU 호스팅을 앞세운 발표라 유럽에서만 처리하는 서비스로 읽기 쉽지만, 처리 위치는 엔드포인트나 자체 배포로 고르는 구조예요. 전체 스택을 온프레미스나 프라이빗 클라우드에 올리려면 Mistral 팀에 따로 문의해야 하고요.
도입을 검토한다면 Studio에서 한국어 프리셋 목소리로 ‘11월 3일 오후 5시 45분, 예약 번호 4420 1187’ 같은 문장부터 읽혀 보세요. 날짜와 번호를 어떻게 읽는지 들어 보고 나면 위 요금표와 함께 도입 여부를 따져 볼 재료가 갖춰져요.
